.png){kind=icon}
返回
Enhancing MOOC Recommendation Through Preference-Aware Knowledge Graph Diffusion and Temporal Sequence Modeling
.png){kind=icon}
OA
AI
DOI：10.3390/info16121061.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
课程推荐是智能导师系统（ITS）中的一项关键服务，它帮助学习者从庞大的在线教育平台中发现相关课程。尽管该领域取得了显著进展，但仍存在两个关键挑战未得到解决：(1) 现有方法在知识传播过程中未能利用不同课程间学习者兴趣的差异；(2) 虽然课程推荐中已考虑了序列关系，但将序列模式与知识图谱方法有效整合仍有显著提升空间。为克服这些局限性，我们提出了PGDB（基于偏好的图扩散网络和双向LSTM），一种创新的端到端课程推荐框架。我们的模型包含四个关键组件：首先，课程知识图谱扩散模块递归收集与学习者相关的多个知识三元组，以构建其知识背景；其次，基于偏好的扩散注意力机制利用多头注意力分析学习者对课程及关系路径的偏好，有效区分不同语境下的语义多样性，并在知识传播过程中捕捉学习者的不同兴趣；第三，时序序列建模模块采用双向长短时记忆网络识别学习者兴趣演化模式，生成学习者依赖的表征，以有效利用课程间的序列关系；最后，预测模块结合学习者与课程的最终表征，输出候选课程的选择概率。大量实验结果表明，PGDB在多项评估指标上显著优于当前最先进的基线模型，验证了本方法在解决课程推荐系统中数据稀疏性和序列建模挑战方面的有效性。
Keyword:
course recommendation
knowledge graph
preference-aware graph diffusion
temporal sequence modeling
Bi-LSTM
multi-head attention
MOOC
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
2.9
论文数:
861
被引数:
9.8K
机构
引用论文
PH-CF: A Phased Hybrid Algorithm for Accelerating Subgraph Matching Based on CPU-FPGA Heterogeneous PlatformPh-cf: 基于cpu-fpga异构平台的分阶段混合子图匹配加速算法
PREAI
分享收藏
Heterogeneous teaching evaluation network based offline course recommendation with graph learning and tensor factorization.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏KGATProceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningOAAI
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏
查看更多内容